分布式数据仓库系统:Apache Tajo

jopen 7年前

分布式数据仓库系统:Apache Tajo

Tajo 是一个基于 Hadoop 实现的分布式数据仓库系统,特点是低延迟、高可伸缩,提供专用查询和针对存储在HDFS上的大数据集和其他数据源的ETL 工具。

特点:

  • 可伸缩性和低延迟
    • 完全分布式的 SQL 查询处理,基于存储雨 HDFS 的大数据集
    • 超低响应时间(约100毫秒),在合理数据范围内的简单查询
  • 支持长时间运行的查询
    • 容错支持,避免某些任务失败后的查询重启
    • 动态调度,处理和异构集群节点故障
  • ETL
    • ETL 可实现不同数据格式之间的转换
    • 支持多种文件格式,如 CSV、RCFile 和 RowFile
  • 扩展性
    • 支持用户自定义函数
    • 提供自定义文件格式的 Scanner/Appender 接口
  • 兼容性
    • 遵循 ANSI/ISO SQL 标准,非标准方面遵循 PostgreSQL 规范
    • 支持 HiveQL 模式
    • 在 HCatalog 和 Hive MetaStore 实现表访问
    • 支持 JDBC 驱动
  • 简单
    • 提供交互式 Shell 来提交 SQL 查询到 Tajo 集群
    • 提供备份和恢复工具
    • 异步/同步 Java API 来提交 SQL 查询到 Tajo 集群

     

    项目主页:http://www.open-open.com/lib/view/home/1385026644562